Econometria Aplicada à Finanças
Aula 1

Mestrado Profissional em Administração

Prof. Washington Santos da Silva

IFMG - Campus Formiga

19 de agosto de 2025

Nesta Aula

Tópicos

  • Apresentações
  • Apresentação da Disciplina
  • Ambiente Computacional
  • Projeto RStudio para a Disciplina
  • Sessão sobre Sistema Quarto, RStudio, Linguagem R e Git/GitHub
  • Conheça e Utilize o Terminal Git Bash

Apresentações

Sobre o Professor

Washington Santos da Silva

Formação Acadêmica

  • Doutorado em Estatística e Experimentação Agropecuária (UFLA)
  • Mestrado em Estatística e Experimentação Agropecuária (UFLA)
  • Graduação em Ecomomia (UFMG)

Áreas de Interesse

  • Estatística e Econometria Aplicadas
  • Análise de Séries Temporais
  • Inferência Bayesiana

Experiência Profissional

  • Longa carreira na administração pública federal

Sobre Vocês

Breve apresentação

Por favor, se apresentem e expliquem seus objetivos ao cursar esta disciplina.

Apresentação da Disciplina

Por quê?

Motivação

Vamos começar com algumas questões básicas e gerais:

  1. Qual é o objetivo da econometria?
  1. Por que economistas (ou outros profissionais) estudam ou usam econometria?

Uma resposta simples: Para aprender sobre o mundo usando dados.

  • Aprender sobre o mundo = Formular e responder perguntas, formular e questionar teorias e suposições.

“Mundo das Finanças”

Agenda de Pesquisa em Finanças

  • Os mercados financeiros incorporam rapidamente e completamente as informações disponíveis? (Testa a hipótese de eficiência informacional dos mercados.)
  • O modelo CAPM ou os modelos multifatoriais (como o APT) explicam melhor a variação dos retornos dos ativos? (Comparação empírica de modelos de precificação de ativos.)
  • Quais características das empresas explicam a probabilidade de inadimplência ou default corporativo?
  • Quais fatores específicos de uma empresa explicam os níveis de ESG (ambiental, social e governança) divulgados por empresas?
  • Empresas com maior presença de mulheres na liderança apresentam desempenho financeiro superior?
  • O nível de governança corporativa das empresas está associado a menor custo de capital?
  • Quais características das empresas determinam a escolha entre financiamento via dívida ou emissão de ações?

“Mundo das Finanças”

Agenda de Pesquisa em Finanças

  • Quais fatores explicam a decisão de pagar dividendos entre empresas listadas?
  • Firmas com maior investimento em inovação (R&D) apresentam maior valor de mercado ajustado ao risco?
  • Quais determinantes explicam os níveis de spread de crédito cobrados em empréstimos corporativos?
  • Empresas com maior participação de investidores institucionais apresentam menor manipulação contábil?

O que?

O Que um Econometrista Aplicado Precisa Saber?

Um econometrista aplicado† precisa dominar (pelo menos) três áreas:

  1. A Teoria econômica.

  2. A Teoria Estatística/Econométrica (hipóteses, métodos, limitações).

  3. Como aplicar métodos teóricos a dados reais, o que exige conhecimento não trivial da teoria econômica e estatística/econométrica.

  4. Métodos eficientes para análisar dados— aquisição, transformação, junção, sumarização, visualização e modelagem \(\rightarrow\) fluência em linguagens de programação.

Esta disciplina visa aprofundar seu conhecimento nas últimas três áreas.

Site da Disciplina

URL

Link para o Site da Disciplina

Ambiente Computacional

Recursos

Instalação e Configuração dos Softwares

Link para página no site da disciplina

Tutoriais

Por que usar a Linguagem R?

Modelo de Regressão Linear em STATA

* importa o arquivo de dados
use "trade.dta", clear

* cria nova variável 
replace distance = 5 if distance < 5

* Cria log das variáveis 
generate log_trade    = log(trade)
generate log_distance = log(distance)

* Regressão com EPs robustos à heterocedasticidade
reg log_trade log_distance, robust

Por que usar a Linguagem R?

Modelo de Regressão em R (base)

# importa o arquivo de dados
dados <- haven::read_dta("trade.dta")

# cria nova variável
dados$distance <- ifelse(dados$distance < 5, 5, dados$distance)

# Regressão linear com EPs robustos à heterocedasticidade
m1 <- lm(log(trade) ~ log(distance), data = dados)
lmtest::coeftest(m1, vcov = sandwich::vcovHC(m1, type = "HC1"))

# exibe o resultado
summary(m1)

Por que usar a Linguagem R?

Modelo de Regressão em Julia (Kezdi.jl)

# importa o arquivo de dados
@use "trade.dta"

# cria nova variável
@replace distance = 5 @if distance < 5

# Cria log das variáveis 
@generate log_trade = log(trade)
@generate log_distance = log(distance)

# Regressão linear com EPs robustos à heterocedasticidade
@regress log_trade log_distance, robust

Por que usar a Linguagem R?

Modelo de Regressão em Python

# carrega os módulos necessários
import pandas as pd
import math
import statsmodels.api as sm
import statsmodels.formula.api as smf

# importa o arquivo de dados
df = pd.read_stata("trade.dta")

# cria nova variável
df.loc[df["distance"] < 5, "distance"] = 5

# Cria log das variáveis 
df["log_trade"] = df["trade"].apply(math.log)
df["log_distance"] = df["distance"].apply(math.log)

# Regressão linear com EPs robustos à heterocedasticidade
modelo = smf.ols('log_trade ~ log_distance', data = df).fit(cov_type='HC3')
print(modelo.summary())

Por que usar a Linguagem R?

Motivos

1. R é gratuita e código aberto — economizando dinheiro tanto para você quanto para a instituicão 💰💵💰.

2. R é reconhecida e demandada no mercado.

3. R é muito flexível e poderosa—adaptável a quase qualquer tarefa, por exemplo, econometria, análise de dados espaciais, aprendizagem estatística/de máquina, web scraping, limpeza de dados…

4. Eu 💖 R

Nota: Aprender R, e qualquer outra linguagem ou sistema, definitivamente requer tempo e esforço.

Introdução ao RStudio

O que é o RStudio?

Um Ambiente de Desenvolvimento Integrado (Integrated Development Environment, IDE)

  • Ambiente de desenvolvimento que suporta múltiplas linguagens (R, Python, SQL, C++…), mas é especialmente útil para a linguagem R.

  • Facilita a escrita de código, gerenciamento de projetos, criação de documentos computacionais (arquivos quarto, scripts, notebooks…)

  • Integra ferramentas para desenvolvimento, depuração e publicação

Interface do RStudio

Figura 1: Interface do RStudio: 4 Painéis

Interface do RStudio

Painel Superior Esquerdo: - Editor de código - Documentos Quarto (.qmd) - Scripts R (.R)

Painel Inferior Esquerdo: - Console R (execução de comandos) - Terminal (acesso ao sistema)

Painel Superior Direito: - Ambiente (variáveis e objetos) - Histórico de comandos - Conexões - Git (controle de versão)

Painel Inferior Direito: - Arquivos - Pacotes - Ajuda - Visualização (gráficos, documentos HTML)

Pacotes/Bibliotecas R

Descrição

Pacotes (ou bibliotecas) são coleções organizadas de funções/dados e documentação que estendem as funcionalidades básicas da linguagem R.

Repositórios principais:

  • CRAN (Comprehensive R Archive Network): repositório oficial com mais de 20.000 pacotes verificados e testados, cobrindo estatística, econometria e ciência de dados

  • Bioconductor: repositório especializado em bioinformática e análise de dados genômicos, com padrões rigorosos de qualidade e documentação

Instalação de Pacotes R

Usando a função install.packages()

  • No console R do RStudio (atalho: Ctrl + 2), digite:
install.packages("tidyverse", "here", "fs")

Instalação de Pacotes R

Usando a Guia Packages

Para instalar pacotes usando a guia Packages no RStudio:

  • Clique na guia Packages.

  • Clique em Install Packages.

  • Digite o nome de cada pacote que deseja instalar separados por um espaço ou vírgula na caixa de texto, ou copie os pacotes abaixo e cole na caixa de texto:

tidyverse here fs

Projetos RStudio

O que são projetos RStudio?

  • Unidades organizacionais para seu trabalho
  • Cada projeto tem seu próprio diretório de trabalho
  • Facilita a organização de arquivos relacionados
  • Permite integração com controle de versão (Git)

Criando um projeto para a disciplina

Por que criar projetos estruturados?

  • Organização dos arquivos e códigos

  • Facilidade para compartilhar seu trabalho

  • Reprodutibilidade das análises

  • Integração com controle de versão

  • Prática recomendada

RStudio: Configurações Básicas

1. Definindo Git Bash como terminal padrão

  1. Considerando que você já tenha instalado Git for Windows, siga os passos abaixo:

  2. Clique em Tools → Global Options no menu superior

  3. Clique na aba Terminal, terceira de baixo para cima

  4. Na caixa New terminals open with, selecione Git Bash, em seguida, clique em Apply e depois em OK

  5. Agora, sempre que você abrir um terminal no RStudio, ele será o terminal do Git Bash, que é mais completo e funcional.

  6. Para abrir o terminal, clique na aba Terminal no painel inferior esquerdo do RStudio.

  7. Para verificar se o terminal está funcionando corretamente, digite git --version e pressione Enter. Você deve ver a versão do Git instalada.

RStudio: Configurações Básicas

2. Configurações básicas para Projetos RStudio

  1. Clique em Tools → Global Options no menu superior

  2. Na aba General, desmarque as seguintes opções:

  • “Restore most recently opened project at startup”
  • “Restore previously opened files on startup”
  • “Restore .Rdata into workspace at startup”
  • Em “Save workspace to .RData on exit”, selecione Never, em seguida, clique em Apply e depois em OK

Nota: A ideia é sempre começar com um ambiente limpo, sem objetos anteriores carregados.

Criando um projeto para a disciplina

Visão Geral

  • Vamos criar um projeto estruturado para a disciplina

  • O objetivo é criar uma estrutura padronizada para todos

Criando um projeto para a disciplina

Etapas do Processo

  1. Configurar Git localmente (em sua máquina)
  2. Criar repositório no GitHub
  3. Clonar repositório para sua máquina local
  4. Criar projeto RStudio a partir da pasta clonada
  5. Criar estrutura de pastas e adicionar arquivos
  6. Confirmar que tudo está pronto

Etapa 1: Configuração Local do Git

Configurando o Git Localmente

Antes de começar a usar o Git, é necessário fazer uma configuração inicial básica. Essa configuração identifica quem está fazendo as alterações e só precisa ser feita uma vez em cada computador.

Configure seu nome de usuário: Abra o Git Bash e;

  • Digite o comando:
git config --global user.name "nome_sobrenome"
  • Exemplo:
git config --global user.name "maria_silva"

Configure seu email:

  • Use o mesmo email que você usará (ou já usa) para sua conta no GitHub:
git config --global user.email "seu.email@exemplo.com"
  • Exemplo:
git config --global user.email "maria.silva@gmail.com

Verifique suas configurações globais:

  • Para conferir se tudo está correto:
git config --global --list

Anote seu nome de usuário e e-mail!

Etapa 2: Criando um Repositório no GitHub

2. Crie um Repositório no GitHub

  • Acesse sua conta no GitHub github.com, se não tiver, crie uma.

  • Selecione “Create repository”

  • No campo abaixo de Repository name, digite o nome do repositório: “mpa_ecnt2025”

  • NÃO USE acentos, espaços vazios ou caracteres especiais!

  • Agora, apenas clique em “Create repository”, no canto inferior esquerdo da página.

Etapa 2: Criando um Repositório no GitHub

Figura 2: Exemplo de um repositório vazio recém criando no GitHub

Etapa 3: Clonando o Repositório

Como obter o link do repositório para clonar?

  1. Vá para a página do seu repositório no GitHub

  2. Selecione o link exibido em URL HTTPS, copie o endereço utilizando botão direito do mouse e clicando em copiar:

https://github.com/SEU-USUARIO/mpa_ecnt2025.git

Etapa 3: Clonando o Repositório

3. Clone o Repositório (Windows)

Se você usa Windows:

  1. Defina/crie uma pasta em seu computador onde deseja guardar o projeto

  2. Navegue até essa pasta pelo Windows Explorer

  3. Clique com o botão direito do mouse em um espaço vazio e selecione “Git Bash Here”

  4. No terminal Git Bash que abrir, digite git clone e cole o endereço do repositório clicando no botão direito do mouse e em Paste

git clone https://github.com/SEU-USUARIO/mpa_ecnt2025.git
  1. Verifique se a pasta foi criada usando o Windows Explorer.

Etapa 3: Clonando o Repositório

3. Clone o Repositório (Linux)

Se você usa Linux:

  1. Abra o terminal

  2. Navegue até a pasta onde deseja guardar o projeto usando o comando cd

  3. Digite git clone e cole o endereço do repositório em seguida:

git clone https://github.com/SEU-USUARIO/mpa_ecnt2025.git

Etapa 3: Clonando o Repositório

3. Clone o Repositório (MacOS)

Se você usa MacOS:

  1. Abra o terminal

  2. Navegue até a pasta onde deseja guardar o projeto usando o comando cd

  3. Digite git clone e cole o endereço do repositório em seguida:

git clone https://github.com/SEU-USUARIO/mpa_ecnt2025.git
  1. Verifique se a pasta foi criada usando o Windows Explorer.

Etapa 4: Criando um Projeto RStudio

4. Crie um Projeto RStudio usando a Pasta Clonada

  1. Abra o RStudio

  2. Clique em Project → New Project

  3. Selecione Existing Directory

  4. Clique em Browse e navegue até a pasta “visualizacao_dados_2025” que corresponde ao repositório que você acabou de clonar

  5. Selecione a pasta e clique em Open

  6. Clique em Create Project

  7. Projeto Criado!

Etapa 5: Criar Estrutura de Pastas do Projeto

Estrutura do Projeto

  • Vamos criar um projeto RStudio para a disciplina com a seguinte estrutura:
mpa_ecnt2025/          # raíz do projeto  
├── atividades         # atividades e avaliações
├── dados              # pasta para arquivos de dados
│   ├── brutos         # arquivos originais 
│   └── limpos         # dados processados
├── mpa_ecnt2025.Rproj # Arquivo do projeto RStudio
├── relatorios         # relatórios quarto (.qmd)
│   ├── 01-relatorio   # pasta do relatorio 1
└── scripts            # scripts R (.R)

Etapa 5: Criando a Estrutura de Pastas do Projeto

Com Git Bash

No terminal do RStudio, na raíz do seu projeto, execute:

  1. Crie a pasta dados:
mkdir dados
  1. Crie as subpastas “brutos” e “limpos”:
mkdir dados/brutos
mkdir dados/limpos
  1. Crie a Crie a pasta relatorios:
mkdir relatorios
  1. Crie a subpasta “01-relatorio”
mkdir relatorios/01-relatorio
  1. Crie a pasta “scripts”
mkdir scripts
  1. Crie a pasta “atividades”
mkdir atividades

Etapa 5: Criando a Estrutura de Arquivos do Projeto

Baixe e Adicione o Primeiro Relatório

  1. Acesse a página Cronograma do site da disclina e baixe o arquivo 01-relatorio.zip

  2. Use o Windows Explorer para encontrar o arquivo baixado.

  3. Descompacte o arquivo anterior e copie/recorte o arquivo 01-relatorio.qmd

  4. Salve-o dentro da pasta “relatorios/01-relatorio”

Descompactando arquivos ZIP

Como descompactar arquivos ZIP?

  • Windows: Clique com o botão direito no arquivo ZIP → Extract All

  • MacOS: Dê um duplo clique no arquivo ZIP (em versões atuais, um arquivo zip é automaticamente descompactado após o download)

  • Linux: Clique com o botão direito → Extract Here ou use o comando unzip no terminal

Etapa 5 pelo Terminal do RStudio

Com o Terminal do RStudio

  1. Baixar o arquivo .zip:
curl -L -O https://washingtonsilva.github.io/site_bach_visdados2025/arquivos/01-relatorio.zip
  1. Descompactar diretamente na pasta relatorios/01-relatorio/:
unzip 01-relatorio.zip -d relatorios/01-relatorio/
  1. Remover o arquivo zip:
rm 01-relatorio.zip
  1. Remove a pasta __MACOSX
rm -rf relatorios/01-relatorio/__MACOSX
  1. Verificar o resultado:
ls relatorios/01-relatorio/

Comando único:

curl -L -O https://washingtonsilva.github.io/site_bach_visdados2025/arquivos/01-relatorio.zip && unzip 01-relatorio.zip -d relatorios/01-relatorio/ && rm 01-relatorio.zip

Etapa 5: Criando a Estrutura de Arquivos do Projeto

Baixe e Adicione o Primeiro Relatório

  1. Acesse a página Cronograma do site da disclina e baixe o arquivo dados-simulados.zip

  2. Use o Windows Explorer para encontrar o arquivo baixado.

  3. Descompacte o arquivo anterior e copie/recorte o arquivo dados-simuilados.csv

  4. Salve-o dentro da pasta “dados/brutos”

Etapa 5 pelo Terminal do RStudio

Com o Terminal do RStudio

curl -L -O https://washingtonsilva.github.io/site_bach_visdados2025/arquivos/dados.zip && unzip dados.zip -d dados/brutos/ && rm dados.zip && rm -rf relatorios/01-relatorio/__MACOSX

Etapa 5: Criando a Estrutura de Pastas do Projeto

Verificando o Projeto

Seu projeto deve ter uma estrutura similar à seguinte:

mpa_ecnt2025/          
├── atividades
├── dados
│   ├── brutos
│   │   └── dados_simulados.csv
│   └── limpos
├── mpa_ecnt2025_testes.Rproj
├── relatorios
│   └── 01-relatorio
│       └── 01-relatorio.qmd
└── scripts

Você pode verificar a estrutura do seu projeto usando a função dir_tree() do pacote fs.

Digite no console R do RStudio:

fs::dir_tree()

Projeto Criado!

Parabéns!!! 👏

  • Você acaba de criar um projeto estruturado para a disciplina

  • Esta estrutura organizará nosso trabalho ao longo do semestre

  • Nos próximos encontros, aprenderemos a utilizar o RStudio,Sistema Quarto, R, Git e GitHub para análise de dados

Arquivo README.md

Definição e importância

  • É um arquivo de documentação em formato Markdown que serve como porta de entrada para seu repositório.

  • Normalmente, é o primeiro arquivo que as pessoas visualizam ao acessar seu repositório no GitHub.

  • Funciona como a “página inicial” do seu projeto, explicando:

    • O que é o projeto
    • Como utilizá-lo
    • Como ele está organizado
    • Outras informações relevantes

  • Benefícios para a disciplina:

    • Documenta seu trabalho de forma organizada
    • Facilita a avaliação do professor
    • Serve como portfólio para seu aprendizado
    • Desenvolve boas práticas de documentação

Como criar um arquivo markdown no RStudio?

Passos

No menu superior do RStudio clique em:

  • File -> New File -> Markdown File

  • Salve o arquivo com o nome README.md na raíz do seu projeto RStudio.

Template README.md para seu Projeto

# Mestrado Profissional em Administração 

## Disciplina: Econometria Aplicada à Finanças 

Repositório pessoal da disciplina **Econometria Aplicada à Finanças** (60h) 
ofertada pelo Mestrado Profissional em Administração do IFMG – Campus Formiga. 

Este repositório consiste em um projeto RStudio que será utilizado para 
desenvolver as atividades práticas da disciplina, incluindo a criação de 
relatórios quarto, scripts R, entre outros.


## Estrutura Inicial do Projeto

mpa_ecnt2025/                  # pasta raíz do projetp 
├── atividades                 # atividades e avaliações
├── dados                      
│   ├── brutos                 # arquivos originais
│   │   └── dados_simulados.csv
│   └── limpos                 # dados processados
├── mpa_ecnt2025_testes.Rproj  # arquivo do projeto RStudio
├── relatorios                 # relatórios quarto (.qmd)
│   └── 01-relatorio
│       └── 01-relatorio.qmd
└── scripts                    # scripts R (.R)

README.md = “Diário de bordo”

Como manter seu README atualizado

  • Atualize o README.md à medida que a disciplina e o seu conhecimeto avançam
  • Utilize este arquivo como um “diário de bordo” do seu aprendizado
  • Adicione detalhes sobre desafios superados e soluções encontradas

Recursos

Referências

WICKHAM, H. et al. R for data science: import, tidy, transform, visualize, and model data. 2. ed. [s.l.] O’Reilly Media, Inc, 2023.